專利名稱：普適環(huán)境下面向體征狀態(tài)識(shí)別的上下文感知中間件方法
技術(shù)領(lǐng)域：
本發(fā)明提出了一種普適環(huán)境下面向體征狀態(tài)識(shí)別的上下文感知中間件方案，引入隱馬爾可 夫模型構(gòu)造了一個(gè)識(shí)別體征狀態(tài)的上下文感知中間件，屬于普適計(jì)算領(lǐng)域，更進(jìn)一步屬于上下 文感知中間件領(lǐng)域。
背景技術(shù)：
隨著計(jì)算機(jī)、移動(dòng)計(jì)算以及傳感器網(wǎng)絡(luò)的發(fā)展，計(jì)算變得無(wú)處不在。1991年美國(guó)的馬克 維 瑟博士于提出了普適計(jì)算(Ubiquitous or Pervasive Computing),這種計(jì)算模式的最終目標(biāo) 是將由通信和計(jì)算機(jī)構(gòu)成的信息空間與人們生活和工作的物理空間融為一體，支持用戶"隨時(shí) 隨地"并"透明"地獲得符合其個(gè)性化需求的信息服務(wù)。普適計(jì)算模式要求計(jì)算設(shè)備能夠感知 用戶所處的上下文及其變化，并做出相應(yīng)的動(dòng)作。研究人員把這種能感知用戶上下文信息進(jìn)而 調(diào)整系統(tǒng)行為的技術(shù)稱為上下文感知技術(shù)(context-aware)。
上下文感知計(jì)算是普適計(jì)算領(lǐng)域研究的核心內(nèi)容之一。上下文感知計(jì)算是指系統(tǒng)能發(fā)現(xiàn)并 有效利用上下文信息(如用戶位置、時(shí)間、環(huán)境參數(shù)、鄰近的設(shè)備
和人員、用戶活動(dòng)等)進(jìn)行計(jì)算的一種計(jì)算模式。上下文是環(huán)境本身以及環(huán)境中各實(shí)體所明示 或隱含的可用于描述其狀態(tài)(含歷史狀態(tài))的任何信息。其中，實(shí)體既可以是人、地點(diǎn)等物理實(shí) 體，也可以是諸如軟件、程序、網(wǎng)絡(luò)連接等虛擬實(shí)體。上下文包括①計(jì)算上下文，如網(wǎng)絡(luò)的可用 性、網(wǎng)絡(luò)帶寬、通信開(kāi)銷(xiāo)、周邊的打印機(jī)、顯示器等資源:②用戶上下文,包括用戶的個(gè)性、位 置、周?chē)娜藛T、甚至社會(huì)關(guān)系等;③物理上下文,如光線的明暗、噪聲的大小、交通狀況、氣 候、溫度等。上下文感知計(jì)算系統(tǒng)有三個(gè)特征1)根據(jù)上下文迸行信息推送服務(wù)；2)根據(jù)上 下文自動(dòng)觸發(fā)執(zhí)行相應(yīng)動(dòng)作；3)跟蹤上下文的變化，用戶可以査詢相關(guān)的上下文信息。
現(xiàn)在，上下文感知計(jì)算的研究已經(jīng)向著上下文感知中間件方向發(fā)展。上下文感知中間件是 指構(gòu)建上下文感知應(yīng)用的基礎(chǔ)支撐軟件，它獨(dú)立于特定的上下文感知應(yīng)用，并能簡(jiǎn)化各種感
知應(yīng)用的開(kāi)發(fā)?；谏舷挛母兄虚g件的系統(tǒng)一般可分為三層低層是物理、邏輯傳感器，中 間層是上下文感知中間件，在低層和中間層之間是上下文信息采集接口；上層是上下文感知應(yīng) 用，在中間層和上層之間是上下文信息使用接口，比如査詢訂閱等。其中，上下文感知中間件 分離了上下文信息的采集與感知應(yīng)用的開(kāi)發(fā)，向上對(duì)應(yīng)用開(kāi)發(fā)者提供統(tǒng)一的上下文信息使用接 口，向下可以接入各類物理或邏輯傳感器，此處指的是廣義的傳感器，它可以是物理器件也可 以是軟件系統(tǒng)。這種分離也使得上下文信息的管理更加簡(jiǎn)易方便。
上下文感知中間件的架構(gòu)常常受到一些因素的影響，如用戶設(shè)備的能力，是否支持多用戶， 對(duì)非功能屬性的要求，系統(tǒng)的開(kāi)放程度等等。面向不同類型、不同要求的感知應(yīng)用，中間件的 架構(gòu)設(shè)計(jì)也會(huì)有所不同。對(duì)于大多數(shù)的上下文感知中間件來(lái)說(shuō)，它們的架構(gòu)都包含了 5個(gè)層次:1. 傳感器接入層。負(fù)責(zé)上下文的發(fā)現(xiàn)語(yǔ)接入。
2. 上下文采集層。負(fù)責(zé)上下文信息的采集。
3. 上下文聚合與解釋層。負(fù)責(zé)上下文的推理、沖突檢測(cè)與解決。
4. 上下文存儲(chǔ)與管理層。負(fù)責(zé)上下文建模、存儲(chǔ)以及管理，推理規(guī)則定義，隱私控制等。
5. 應(yīng)用接口層。是上層應(yīng)用程序使用上下文感知中間件的接口，提供包括査詢與訂閱等等功能。
隱馬爾可夫模型(HMM)是一種由馬爾可夫模型發(fā)展起來(lái)的統(tǒng)計(jì)模型，它是迄今為止最重要 的統(tǒng)計(jì)模型之一。HMM善于解決系統(tǒng)中表層的事件可能是由低層的事件觸發(fā)的問(wèn)題，它是為了 解決我們觀察的事件是'通過(guò)一定的概率分布和狀態(tài)相聯(lián)系的問(wèn)題提出的。HMM是一個(gè)雙重隨機(jī) 過(guò)程，包括兩個(gè)部分，其中一個(gè)是具有一定狀態(tài)數(shù)目的馬爾可夫鏈，這是基本的隨機(jī)過(guò)程，描 述狀態(tài)的轉(zhuǎn)移，用轉(zhuǎn)移概率描述；另外一個(gè)是一般隨機(jī)過(guò)程，描述狀態(tài)和觀察值之間的統(tǒng)計(jì)對(duì) 應(yīng)關(guān)系，用觀察值概率描述。由于模型中只有觀察值是可見(jiàn)的，而狀態(tài)的轉(zhuǎn)移過(guò)程是不可見(jiàn)的， 因此稱為隱馬爾可夫模型。
一個(gè)HMM總是包括這幾個(gè)參數(shù)狀態(tài)總數(shù)iV;每個(gè)狀態(tài)對(duì)應(yīng)的觀測(cè)事件數(shù)M ;狀態(tài)轉(zhuǎn)移
概率矩陣j;每個(gè)狀態(tài)下取所有觀測(cè)事件的概率分布矩陣5;起始狀態(tài);r,一個(gè)HMM總可以用 一個(gè)五元組;i二C/V，Jl/,45,;r)來(lái)表示。使用HMM,我們需要解決三個(gè)最基本的問(wèn)題其一是 估計(jì)問(wèn)題，如何在給定模型參數(shù);L二(W，M，v4，5，;r)和觀測(cè)序列0的情況下，計(jì)算出在該模型 下觀測(cè)事件序列發(fā)生的概率戶(0/A), —般可以通過(guò)前向算法和后向算法來(lái)解決；其二是解碼 問(wèn)題，在給定模型參數(shù)和觀測(cè)序列的條件下，找出一個(gè)最佳狀態(tài)序列，這個(gè)最佳狀態(tài)序列可以 最為合理的解釋觀測(cè)序列。這個(gè)問(wèn)題可以通過(guò)Viterbi算法解決；其三是學(xué)習(xí)問(wèn)題，對(duì)于一個(gè) 給定的觀測(cè)序列O，怎么通過(guò)改變模型參數(shù);i、7V，A/,J,5，;r),可以得到一個(gè)最好的解釋這 個(gè)觀測(cè)序列的模型，即使得戶(0/;i)最大。對(duì)于這個(gè)問(wèn)題，可以通過(guò)Baum-Welch算法來(lái)解決。

發(fā)明內(nèi)容
技術(shù)問(wèn)題本發(fā)明的目的在于提供一種普適環(huán)境下應(yīng)用于體征狀態(tài)識(shí)別的上下文感知中間 件方法，本發(fā)明不同于現(xiàn)有同類方案，現(xiàn)有方案提出的面向體征狀態(tài)識(shí)別應(yīng)用的上下文感知中 間件存在三個(gè)問(wèn)題， 一個(gè)是功能比較死板，缺乏可針對(duì)用戶個(gè)體體征特點(diǎn)設(shè)定不同服務(wù)策略的 支持，服務(wù)不支持個(gè)體化，針對(duì)性不強(qiáng)；另一個(gè)是靈活性和適應(yīng)性有欠缺，上層應(yīng)用需求發(fā)生 變化后不能及時(shí)提供方便的服務(wù)策略調(diào)整；還有一個(gè)是缺乏對(duì)于體征狀態(tài)變化趨勢(shì)的預(yù)測(cè)能力， 這種預(yù)測(cè)能力對(duì)于很多的上層應(yīng)用來(lái)說(shuō)是非常重要的。本發(fā)明提出的方案可以有效地解決這幾 個(gè)問(wèn)題。
技術(shù)方案本發(fā)明在應(yīng)用于體征狀態(tài)識(shí)別的上下文感知中間件中引入隱馬爾可夫模型，其 目標(biāo)在于解決此類中間件中存在的服務(wù)不夠個(gè)體化，針對(duì)性不強(qiáng)的問(wèn)題以及靈活性和適應(yīng)性不 強(qiáng)的問(wèn)題。本發(fā)明又進(jìn)一步使用了概率統(tǒng)計(jì)的方法，其目的在于進(jìn)一步解決此類中間件體征狀 態(tài)變化趨勢(shì)預(yù)測(cè)能力的問(wèn)題。
該方法具體包括以下步驟
步驟1〉.如果上下文感知中間件是初次使用，給體征狀牽識(shí)別和預(yù)測(cè)模塊中的隱馬爾可夫 模型體征狀態(tài)識(shí)別子模塊參數(shù)設(shè)定初始值，初始值由上層應(yīng)用接口模塊傳入，并送入體征狀態(tài) 識(shí)別和預(yù)測(cè)模塊中的參數(shù)設(shè)定子模塊，參數(shù)設(shè)定子模塊接收初始參數(shù)值，設(shè)定相應(yīng)的模型參數(shù)；
如果上下文感知中間件不是初次使用，忽略此步驟直接轉(zhuǎn)步驟2;步驟2).體征參數(shù)信息從傳感器接入模塊傳入上下文感知中間件，傳感器接入模塊協(xié)調(diào)解決中間fMS息處理速度和信息傳入速度之間的差異，必要時(shí)進(jìn)行信息差錯(cuò)控制和校正，傳感器接入模塊將體征參數(shù)信息傳給體征信息采集與處理模塊；
歩驟3).體征信息采集與處理模塊控制中間件進(jìn)行上下文采集，并接收體征參數(shù)信息，對(duì)體征參數(shù)信息做預(yù)處理，形成預(yù)處理信息并送給體征狀態(tài)識(shí)別和預(yù)測(cè)模塊；
步驟4).體征狀態(tài)識(shí)別和預(yù)測(cè)模塊接收預(yù)處理信息.其中由隱馬爾可夫模型體征狀態(tài)識(shí)別子模塊對(duì)預(yù)處理信息進(jìn)一步處理，轉(zhuǎn)換成為自身隱馬爾可夫模型結(jié)構(gòu)包含的轉(zhuǎn)移狀態(tài)中的某一種，通過(guò)和狀態(tài)集中的元素比對(duì)，實(shí)現(xiàn)狀態(tài)的轉(zhuǎn)移；
如果上下文感知中間件是初次使用，或者體征狀態(tài)識(shí)別和預(yù)測(cè)模塊中的隱馬爾可夫模型體征狀態(tài)識(shí)別子模塊的參數(shù)被修改，那么繼續(xù)步驟5，否則轉(zhuǎn)步驟6;
步驟5).隱馬爾可夫模型體征狀態(tài)識(shí)別子模塊按照上文描述的體征狀態(tài)識(shí)別過(guò)程，先使用前向算法和后向算法，接著使用Baum-Welch算法，再使用Viterbi算法，實(shí)現(xiàn)對(duì)子模塊自身的隱馬爾可夫模型參數(shù)的調(diào)整；調(diào)整反復(fù)進(jìn)行， 一直到子模塊達(dá)到穩(wěn)定狀態(tài)；
步驟6).隱馬爾可夫模型體征狀態(tài)識(shí)別子模塊根據(jù)隱馬爾可夫模型工作的原理對(duì)個(gè)體所處的體征狀態(tài)作出判定，完成對(duì)體征狀態(tài)的識(shí)別，將體征狀態(tài)識(shí)別的結(jié)果傳送給上層應(yīng)用接口模塊；
如果上下文感知中間件需要具有對(duì)體征狀態(tài)變化趨勢(shì)作出預(yù)測(cè)的功能，轉(zhuǎn)步驟7，否則轉(zhuǎn)步驟8;
步驟7).按照上述描述的體征狀態(tài)變化趨勢(shì)預(yù)測(cè)過(guò)程，由體征狀態(tài)識(shí)別和預(yù)測(cè)模塊中的狀態(tài)統(tǒng)計(jì)子模塊和狀態(tài)預(yù)測(cè)子模塊共同協(xié)作完成體征狀態(tài)變化趨勢(shì)的預(yù)測(cè)，最后狀態(tài)預(yù)測(cè)j子模塊將當(dāng)前平穩(wěn)的體征狀態(tài)和預(yù)測(cè)的體征狀態(tài)的信息整合成預(yù)測(cè)信息傳遞給上層應(yīng)用接口模塊，這就完成了體征狀態(tài)的變化趨勢(shì)預(yù)測(cè)，
步驟8).上層應(yīng)用接口模塊接收體征狀態(tài)識(shí)別的結(jié)果和預(yù)測(cè)信息，傳給上層應(yīng)用，
步驟9).從步驟2到步驟8的過(guò)程中，任何時(shí)刻對(duì)體征狀態(tài)識(shí)別和預(yù)測(cè)模塊中的隱馬爾可夫模型體征狀態(tài)識(shí)別子模塊的參數(shù)值做修改，參數(shù)值都由上層應(yīng)用接口模塊接收，并送入體征狀態(tài)識(shí)別和預(yù)測(cè)模塊中的參數(shù)設(shè)定子模塊；參數(shù)設(shè)定子模塊接收參數(shù)值，修改相應(yīng)的模型參數(shù);此步驟完成后轉(zhuǎn)步驟5，如果不需要修改體征狀態(tài)識(shí)別和預(yù)測(cè)模塊中的隱馬爾可夫模型體征狀態(tài)識(shí)別子模塊的參數(shù)值，此步驟可以忽略。
有益效果本發(fā)明提供了一種普適環(huán)境下面向體征狀態(tài)識(shí)別的上下文感知中間件方案，和現(xiàn)有的同類中間件方案相比，本發(fā)明提出的中間件具有幾個(gè)顯著優(yōu)點(diǎn)
1. 服務(wù)個(gè)體化，針對(duì)性強(qiáng)。應(yīng)用于體征狀態(tài)識(shí)別的中間件服務(wù)的個(gè)體體征有自己的特點(diǎn)，比如，每個(gè)人全天的體溫變化規(guī)律各不相同。因此，應(yīng)用于體征狀態(tài)識(shí)別的中間件在服務(wù)策略上要應(yīng)個(gè)體不同而有所調(diào)整變化，也就是要求服務(wù)能夠個(gè)體化，有針對(duì)性。本發(fā)明引入了隱馬爾可夫模型識(shí)別體征狀態(tài)，通過(guò)對(duì)于模型內(nèi)部參數(shù)的一些調(diào)整，就可以實(shí)現(xiàn)針對(duì)不同個(gè)體對(duì)象體征特點(diǎn)制定不同服務(wù)策略的功能，從而提供個(gè)性化，針對(duì)性強(qiáng)的服務(wù)。
2. 服務(wù)可調(diào)整，適應(yīng)性和靈活性好。任何種類的中間件都是針對(duì)具體的上層應(yīng)用開(kāi)發(fā)的，上
層應(yīng)用不同，中間件服務(wù)的策略也不同。當(dāng)上層應(yīng)用開(kāi)發(fā)需要適當(dāng)調(diào)整中間件的服務(wù)策略時(shí)，本發(fā)明通過(guò)修改設(shè)定隱馬爾可夫模型的狀態(tài)轉(zhuǎn)移概率和觀察值概率，就可以實(shí)現(xiàn)中間件服務(wù)策略的調(diào)整，具有較好的適應(yīng)性和靈活性。
53.支持體征狀態(tài)預(yù)測(cè)。對(duì)于很多上層應(yīng)用的開(kāi)發(fā)來(lái)說(shuō)，應(yīng)用于體征狀態(tài)識(shí)別的上下文感知中間件對(duì)于體征狀態(tài)變化趨勢(shì)的預(yù)測(cè)能力是非常重要的。比如某個(gè)糖尿病人的血糖實(shí)時(shí)監(jiān)控系統(tǒng)，當(dāng)血糖快要到達(dá)某個(gè)特定的危險(xiǎn)值之前，系統(tǒng)就應(yīng)該給出警告，這就需要上下文感知中間件需要支持預(yù)測(cè)功能。本發(fā)明提出的這種中間件方案采用了一系列概率統(tǒng)計(jì)的方法實(shí)現(xiàn)了體征狀態(tài)變化趨勢(shì)預(yù)測(cè)的功能。支持體征狀態(tài)預(yù)測(cè)，這是本發(fā)明的一個(gè)顯著的優(yōu)點(diǎn)。


圖1是本發(fā)明設(shè)計(jì)的應(yīng)用于體征狀態(tài)識(shí)別的上下文感知中間件的框架結(jié)構(gòu)，外圍傳感器設(shè)備釆集的體征參數(shù)值從傳感器接入模塊流入中間件，從左到右依次經(jīng)過(guò)中間件內(nèi)部各個(gè)模塊的處理，最后從上層應(yīng)用接口模塊輸出體征狀態(tài)識(shí)別的結(jié)果和預(yù)測(cè)信息，用戶通過(guò)上層應(yīng)用接口模塊可以修改中間件的內(nèi)部參數(shù)，如圖，設(shè)定修改的參數(shù)信息從上層應(yīng)用接口模塊流入中間件。
圖2是體征狀態(tài)識(shí)別和預(yù)測(cè)模塊的內(nèi)部框架圖。
圖3是體征狀態(tài)識(shí)別的示意圖。
具體實(shí)施例方式
中間件框架和模塊功能本發(fā)明設(shè)計(jì)的應(yīng)用于體征狀態(tài)識(shí)別的上下文感知中間件框架結(jié)構(gòu)
如圖1所示。這個(gè)上下文感知中間件包括四個(gè)主要模塊
1. 傳感器接入模塊。這個(gè)模塊是物理設(shè)備和中間件的接口，負(fù)責(zé)將體征傳感器等體征信息采集設(shè)備采集到的體征參數(shù)信息等傳入中間件，同時(shí)負(fù)責(zé)協(xié)調(diào)解決信息處理速度和信息傳入速度之間的差異，盡力保證體征信息不丟失，盡力保證中間件對(duì)體征信息的處理速度保持在一個(gè)比較平穩(wěn)的狀態(tài)，必要時(shí)還可以做一些信息的差錯(cuò)控制和校正。
2. 體征信息采集與處理模塊。這個(gè)模塊負(fù)責(zé)控制上下文的采集，并負(fù)責(zé)對(duì)采集到的體征參數(shù)值做初步的聚合，分析，格式轉(zhuǎn)換等等信息的預(yù)處理工作，這些預(yù)處理工作因體征信息的種類和特點(diǎn)而異，要結(jié)合具體應(yīng)用考察。
3. 體征狀態(tài)識(shí)別和預(yù)測(cè)模塊。這是本發(fā)明最核心的部分，完成對(duì)體征狀態(tài)的識(shí)別和預(yù)測(cè)，同時(shí)提供對(duì)于隱馬爾可夫模型參數(shù)的設(shè)定修改。體征狀態(tài)識(shí)別和預(yù)測(cè)模塊的內(nèi)部框架如屈2所
示。這個(gè)模塊包含四個(gè)子模塊隱馬爾可夫模型體征狀態(tài)識(shí)別子模塊、狀態(tài)統(tǒng)計(jì)子模塊、狀態(tài)預(yù)測(cè)子模塊和參數(shù)設(shè)定子模塊。隱馬爾可夫模型體征狀態(tài)識(shí)別子模塊對(duì)前面體征信息采集與處理模塊輸出的預(yù)處理信息作進(jìn)一步地處理，轉(zhuǎn)換成為自身的隱馬爾可夫模型結(jié)構(gòu)包含的轉(zhuǎn)移狀
態(tài)中的某一種，通過(guò)和狀態(tài)集中的元素比對(duì)，實(shí)5見(jiàn)狀態(tài)的轉(zhuǎn)移。接下來(lái)，隱馬爾可夫模型結(jié)構(gòu)
將根據(jù)隱馬爾可夫模型的工作原理對(duì)個(gè)體所處的體征狀態(tài)給出一個(gè)判定，完成對(duì)體征狀態(tài)的識(shí)別。狀態(tài)統(tǒng)計(jì)子模塊統(tǒng)計(jì)在某一段固定長(zhǎng)度時(shí)間里隱馬爾可夫模型中所有轉(zhuǎn)移狀態(tài)的出現(xiàn)次數(shù)，將統(tǒng)計(jì)信息傳給狀態(tài)預(yù)測(cè)子模塊，狀態(tài)預(yù)測(cè)子模塊根據(jù)統(tǒng)計(jì)信息進(jìn)行預(yù)測(cè)，最后輸出預(yù)測(cè)結(jié)果。參數(shù)設(shè)定子模塊負(fù)責(zé)接收上層應(yīng)用設(shè)定修改的隱馬爾可夫模型參數(shù)，并對(duì)模型做出相應(yīng)的修改。體征狀態(tài)識(shí)別和預(yù)測(cè)模塊實(shí)現(xiàn)了對(duì)中間件的服務(wù)個(gè)體化，并使得上下文感知中間件表現(xiàn)出了針對(duì)性，靈活性和適應(yīng)性，同時(shí)還支持對(duì)體征狀態(tài)變化趨勢(shì)的預(yù)測(cè)，是本發(fā)明的重點(diǎn)內(nèi)容，下文將詳細(xì)描述體征狀態(tài)識(shí)別和預(yù)測(cè)模塊的體征信息處理流程。
4. 上層應(yīng)用接口模塊。這個(gè)模塊負(fù)責(zé)提供給上層應(yīng)用使用上下文感知中間件的方法等，
中間件也通過(guò)這個(gè)模塊將體征狀態(tài)識(shí)別的結(jié)果和預(yù)測(cè)信息傳給上層應(yīng)用。上層應(yīng)用對(duì)隱馬爾可夫模型設(shè)定和修改的參數(shù)值也通過(guò)這個(gè)模塊傳送進(jìn)體征狀態(tài)識(shí)別和預(yù)測(cè)模塊。體征:^態(tài)識(shí)別和預(yù)測(cè)模塊的體征信息處理流程1.體征狀態(tài)識(shí)別雌
體征狀態(tài)識(shí)別的示意圖如圖3所示，為了示意，圖3中隱馬爾可夫模型的狀態(tài)集和和觀察集中的元素?cái)?shù)目都是3個(gè)，實(shí)際上元素個(gè)數(shù)應(yīng)該因具體情況而有所變化。
體征信息采集與處理模塊輸出的預(yù)處理信息進(jìn)入體征狀態(tài)識(shí)別和預(yù)測(cè)模塊后，首先送入信息轉(zhuǎn)換功能模塊做進(jìn)一步處理，轉(zhuǎn)換成為隱馬爾可夫模型的狀態(tài)集包含的轉(zhuǎn)移狀態(tài)中的某一種，送入隱馬爾可夫模型和狀態(tài)集中的轉(zhuǎn)移狀態(tài)做比對(duì)，并把狀態(tài)集的狀態(tài)從原來(lái)所處的狀態(tài)轉(zhuǎn)移到當(dāng)前比對(duì)成功的狀態(tài)。設(shè)隱馬爾可夫模型的狀態(tài)集為W ， iV中包含的轉(zhuǎn)移狀態(tài)為巧,n2,A……。狀態(tài)間的轉(zhuǎn)移概率矩陣為^，表示當(dāng)輸入的轉(zhuǎn)移狀態(tài)發(fā)生變化以后，從一個(gè)狀態(tài)轉(zhuǎn)換到另一個(gè)狀態(tài)的所有概率構(gòu)成的矩陣。觀察集g,其中包括體征狀態(tài)&，《2,《3 ,體
征狀態(tài)的概率分布矩陣為B,它對(duì)應(yīng)著在某個(gè)轉(zhuǎn)移狀態(tài)下面選擇某個(gè)特定體征狀態(tài)的概率構(gòu)成的矩陣。則該系統(tǒng)中的隱馬爾可夫模型結(jié)構(gòu)可以表示為義=(N， Q， A, B， ；r),在這里使用TV和g分別表示其對(duì)應(yīng)的集合中元素的個(gè)數(shù)，；r表示轉(zhuǎn)移狀態(tài)的初始概率，其中的元素為;r,。 5矩陣中的概率值也就是矩陣的元素分別用《j和^來(lái)表示，/， _/， A都是整數(shù)。
接著我們就來(lái)解決上文背景部分提到的應(yīng)用隱馬爾可夫模型要解決的三個(gè)基本問(wèn)題。首先是用前向算法和后向算法解決識(shí)別問(wèn)題。前向算法如下初始階段我們先給定一個(gè)
;i = (N， q， A， b， ；r)和一個(gè)觀察序列o = q0203......or,先求出尸(o/義)
首先定義前向變量"<(/>為HMM在時(shí)間Z輸出序列C^0々203 O,，并且位于狀態(tài)w,
(Z,=",)的概率or,(/)== "J A):
先初始化= ;rA,，；
接著循環(huán)(_/ )=
,'=i
6" ，ls"r-i，i".2iv
最后終止，求出p(o/;i):尸(0|義)=|>7(/)
"1
這里使用的是前向算法求出尸(o/;i),當(dāng)然我們也可用后向算法。后向算法如下定義后向變量A (/)=, o,+2,…cv ， = n; i ;i) i s (s r -1表示從時(shí)刻z+1到終止時(shí)刻t的觀測(cè)序列為o,+1，o,+2，*-cv,并且在時(shí)刻r滿足狀態(tài)z, = a的概率。
初始立A(/)-l,(l2WA0;
隨后遞歸，有A(0-i;^A^A+,(力，^nj-2,…，l;l^、iV
最后p(o/;i)-^;a(/)
接下來(lái)，我們需要解決學(xué)習(xí)問(wèn)題，調(diào)整隱馬爾可夫模型的參數(shù)，使得調(diào)整后模型的
尸(O / ;i)達(dá)到最大。我們使用Baum-Welch算法
7定義表示/時(shí)狀態(tài)為以及/ + 1時(shí)狀態(tài)為 的概率，即
《(/,力=戶(《"JO,"
S S "力X V,+, A力')
=藝《(/,力表示f時(shí)狀態(tài)為的概率，S, = "0')表示在時(shí)刻1經(jīng)過(guò)狀態(tài)",的次 乂=1
數(shù)。如此，我們可以對(duì)矩陣^， 5的元素作出參數(shù)估計(jì)
r-i
W:^f^——，表示在時(shí)刻T內(nèi)，狀態(tài)w,.轉(zhuǎn)移到狀態(tài) 的總次數(shù)，除以在時(shí)刻T內(nèi)， 狀態(tài)",被經(jīng)過(guò)的總次數(shù)；
~ '=i
~(" = ^-，表示在時(shí)刻T內(nèi)，經(jīng)過(guò)狀態(tài) ，并且狀態(tài) 對(duì)應(yīng)的觀測(cè)事件為、
的總數(shù)除以時(shí)刻T內(nèi)，經(jīng)過(guò)狀態(tài) 的總數(shù)。
模型的學(xué)習(xí)過(guò)程可以不斷的循環(huán)重復(fù)，直到滿足系統(tǒng)的要求停止。 對(duì)模型的參數(shù)進(jìn)行過(guò)調(diào)整以后，觀察序列不變，接下來(lái)我們使用Viterbi算法來(lái)找出一個(gè) 最合理解釋這個(gè)觀測(cè)序列的最佳狀態(tài)序列
找一個(gè)狀態(tài)序列，這個(gè)狀態(tài)序列在f時(shí)狀態(tài)為/，并且狀態(tài)/與前面f-l個(gè)狀態(tài)構(gòu)成的狀 態(tài)序列的概率值最大，即
《(z') = max 尸[^"2…",—= 02 '"0, |義]
"l，"2,…",習(xí)l '' '
可以把我們要求解的問(wèn)題理解為求出在T時(shí)刻最大的&(z')所對(duì)應(yīng)的狀態(tài)序列。 先柳臺(tái)化"^，
《(_/)=, 2s"r,i《jv
接下來(lái)是循環(huán)遞歸^.、 m ,.、 n
is柳
尸* =max[W)])
在T時(shí)刻終結(jié)."'^
wr :argmax[^y(/)]
最后求出這個(gè)最佳的狀態(tài)序列《-Ud)， f = r —1,r一2，…，1 , Viterbi算法結(jié)束。
8到此，本系統(tǒng)的隱馬爾可夫模型結(jié)構(gòu)就設(shè)定完成了，如果上層應(yīng)用沒(méi)有修改調(diào)整模型的參 數(shù)，系統(tǒng)將在這個(gè)比較穩(wěn)定的結(jié)構(gòu)下按照概率分配實(shí)現(xiàn)對(duì)個(gè)體體征狀態(tài)的識(shí)別。設(shè)定這個(gè)隱馬 爾可夫模型的過(guò)程，就是實(shí)現(xiàn)服務(wù)個(gè)體化的過(guò)程，對(duì)不同的個(gè)體而言，隱馬爾可夫模型設(shè)定好 以后的參數(shù)都是不一樣的，不同的參數(shù)反映了個(gè)體的差異性。通過(guò)設(shè)定隱馬爾可夫模型使得上 下文感知中間件對(duì)個(gè)體的服務(wù)更具針對(duì)性。如果上層應(yīng)用通過(guò)參數(shù)設(shè)定子模塊修改調(diào)整了模型 的參數(shù)，那么系統(tǒng)將重新再解決一次應(yīng)用隱馬爾可夫模型要解決的三個(gè)基本問(wèn)題，重復(fù)上述的 步驟，直到模型穩(wěn)定下來(lái)，實(shí)現(xiàn)了上下文感知中間件的服務(wù)策略的改變，可見(jiàn)，系統(tǒng)表現(xiàn)出了 對(duì)于應(yīng)用需求變化的適應(yīng)性和靈活性。
2.體征狀態(tài)變化趨勢(shì)預(yù)測(cè)過(guò)程
接下來(lái)描述體征狀態(tài)變化趨勢(shì)預(yù)測(cè)過(guò)程。體征狀態(tài)變化趨勢(shì)預(yù)測(cè)主要依靠狀態(tài)統(tǒng)計(jì)子模塊、 狀態(tài)預(yù)測(cè)子模塊來(lái)完成。狀態(tài)統(tǒng)計(jì)子模塊以一個(gè)定長(zhǎng)的時(shí)間段為單位統(tǒng)計(jì)穩(wěn)定的隱馬爾可夫模
型狀態(tài)集中的所有轉(zhuǎn)移狀態(tài)在這個(gè)時(shí)間段里出現(xiàn)的次數(shù)，不妨設(shè)這個(gè)定長(zhǎng)的時(shí)間段長(zhǎng)度為r， 現(xiàn)有一段時(shí)間r它被按照時(shí)間段長(zhǎng)度r分割成為時(shí)間連續(xù)的片段7;，r2，7;……，在某一個(gè)時(shí) 間片段7;,各個(gè)轉(zhuǎn)移狀態(tài)出現(xiàn)的次數(shù)為夂A，/,，//，構(gòu)成一個(gè)統(tǒng)計(jì)集合 FA = {j^ 11 S，在次數(shù)統(tǒng)計(jì)完成以后，狀態(tài)統(tǒng)計(jì)子模塊按照式i分別求出各個(gè)狀 態(tài)在時(shí)間段r出現(xiàn)的概率
式i- ^!^",l化Ar
,=1
狀態(tài)統(tǒng)計(jì)子模塊按照式2計(jì)算各個(gè)轉(zhuǎn)移狀態(tài)出現(xiàn)頻率的變化率，其中《是一個(gè) 和具體應(yīng)用有關(guān)系的參數(shù)值-
pfc 一pH ,—艸-1
式2:《="';' ，0^1
將所求出的所有if和《的值送入狀態(tài)預(yù)測(cè)子模塊，狀態(tài)預(yù)測(cè)子模塊求出 < 和々的最大
值 1 ,
尸/ = max{if },1 S /《AU 《W, 由此知道轉(zhuǎn)移狀態(tài)y'被選中了，在觀察值矩陣fi中找到選定的轉(zhuǎn)移狀態(tài)j'對(duì)應(yīng)的體征狀態(tài)
中概率最大的一個(gè)，就是從平均的角度來(lái)說(shuō)，在當(dāng)前時(shí)間片？；內(nèi)個(gè)體對(duì)象大體上所處的一個(gè)比 較穩(wěn)定的體征狀態(tài)，我們稱為當(dāng)前平穩(wěn)的體征狀態(tài)。
《=max"}, 1SiV, 1" SW ，
考慮到隱馬爾可夫模型中的狀態(tài)矩陣j也是影響因素，按照式3作出比較式3:
Mcc P^/we = max {"6". + (1 — ,max { }},
其中-是和實(shí)際應(yīng)用有關(guān)的因子，02,^1,即選擇兩者中最大的值，將最大值對(duì)應(yīng)的轉(zhuǎn) 移狀態(tài)作為選定的轉(zhuǎn)移狀態(tài)(即s或w )，然后在觀察值矩陣5中找到與選定的轉(zhuǎn)移狀態(tài)對(duì)應(yīng)的 體征狀態(tài)中概率最大的一個(gè)，這個(gè)體征狀態(tài)就是預(yù)測(cè)的體征狀態(tài)。
最后，狀態(tài)預(yù)測(cè)子模塊將當(dāng)前平穩(wěn)的體征狀態(tài)和預(yù)測(cè)的體征狀態(tài)的信息整合成預(yù)測(cè)信息提供給上層應(yīng)用接口模塊，這就完成了體征狀態(tài)的變化趨勢(shì)預(yù)測(cè)。
為了方便描述，假定有以下應(yīng)用實(shí)例上下文感知中間件需要采集的用戶上下文信息參數(shù) 為體溫，血氧，脈搏。上層應(yīng)用場(chǎng)景為心臟病病房護(hù)理系統(tǒng)。上層應(yīng)用需要對(duì)每個(gè)病人設(shè)定不 同的護(hù)理策略，并且需要對(duì)病人的身體狀況進(jìn)行預(yù)測(cè)。已知正常人的體溫在37。左右，血氧在 95%左右，脈搏在65左右。則體征狀態(tài)識(shí)別和預(yù)測(cè)模塊模塊中隱馬爾可夫模型體征狀態(tài)識(shí)別子 模塊中有3X3X3=27個(gè)轉(zhuǎn)移狀態(tài)，分別對(duì)應(yīng)3個(gè)上下文信息參數(shù)各自的三種不同情況構(gòu)成的組 合(比如其中一個(gè)轉(zhuǎn)移狀態(tài)為體溫<37°且血氧>95%且脈搏<65)。觀察集里則有3個(gè)體征狀態(tài)， 分別是病情好轉(zhuǎn)，病情穩(wěn)定，病情惡化。
假設(shè)對(duì)于某一個(gè)心臟病病人甲而言，他病情比較穩(wěn)定的狀態(tài)為體溫36. 5°附近，血氧94 %附近，脈搏58附近。則上下文感知中間件按照以下步驟來(lái)工作-
步驟1:初始時(shí)隨機(jī)設(shè)定上下文感知中間件的模型參數(shù)，模型參數(shù)值從上層應(yīng)用接口模塊 傳入中間件的體征狀態(tài)識(shí)別和預(yù)測(cè)模塊中的參數(shù)設(shè)定子模塊，由它完成模型參數(shù)的初始化。如 果病人甲不是初次使用該中間件，可以忽略此步驟，直接進(jìn)入步驟2。
步驟2:體溫，血氧，脈搏的外圍采集設(shè)備將采集到的用戶上下文信息，也就是這些體征 參數(shù)值從傳感器接入模塊傳入中間件，并由傳感器接入模塊平衡體征參數(shù)值的傳入速率和中間 件的信息處理速率。
步驟3:體征信息采集與處理模塊對(duì)體征參數(shù)值進(jìn)行預(yù)處理，將信息經(jīng)過(guò)分析，轉(zhuǎn)化為體 溫>37° 、血氧〉95%、脈搏〉65之類的預(yù)處理信息。
步驟4:體征狀態(tài)識(shí)別和預(yù)測(cè)模塊接收預(yù)處理信息，其中由隱馬爾可夫模型體征狀態(tài)識(shí)別 子模塊對(duì)預(yù)處理信息作進(jìn)一步處理，轉(zhuǎn)換成為自身隱馬爾可夫模型結(jié)構(gòu)包含的轉(zhuǎn)移狀態(tài)中的某 一種，比如體溫〉37'且血氧〉95%且脈搏>65,并和狀態(tài)集中元素做比對(duì)，實(shí)現(xiàn)狀態(tài)的轉(zhuǎn)移。
如果上下文感知中間件是初次使用，或者體征狀態(tài)識(shí)別和預(yù)測(cè)模塊中的隱馬爾可夫模型體 征狀態(tài)識(shí)別子模塊的參數(shù)被修改，那么繼續(xù)步驟5,否則轉(zhuǎn)步驟6。
步驟5:隱馬爾可夫模型體征狀態(tài)識(shí)別子模塊按照上文描述的體征狀態(tài)識(shí)別過(guò)程逐步自我 調(diào)整達(dá)到第一次穩(wěn)定，并且根據(jù)隱馬爾可夫模型工作的原理對(duì)病人甲所處的體征狀態(tài)作出判定， 完成第一次的體征狀態(tài)識(shí)別，將體征狀態(tài)識(shí)別的結(jié)果傳送給上層應(yīng)用接口模塊。
這次的體征狀態(tài)識(shí)別結(jié)果是不符合要求的，醫(yī)生繼續(xù)針對(duì)病人甲的具體情況來(lái)不斷調(diào)整模 型參數(shù)，隱馬爾可夫模型體征狀態(tài)識(shí)別T模塊先通過(guò)前向算法和后向算法，再通過(guò)Baum-Welch 算法，接著通過(guò)Viterbi算法對(duì)子模塊自身的隱馬爾可夫模型參數(shù)進(jìn)行自我調(diào)整，調(diào)整過(guò)程不 斷地重復(fù)， 一直到模型穩(wěn)定下來(lái)為止。最后穩(wěn)定下來(lái)的上下文感知中間件滿足在病人甲的上下 文信息為體溫36.5'附近，血氧95%附近，脈搏58附近時(shí)輸出的體征狀態(tài)識(shí)別結(jié)果是病情穩(wěn) 定，在某一個(gè)醫(yī)生認(rèn)為代表狀態(tài)好轉(zhuǎn)的轉(zhuǎn)移狀態(tài)時(shí)，輸出的識(shí)別結(jié)果是病情好轉(zhuǎn)，等等。總之， 穩(wěn)定下來(lái)的上下文感知中間件能夠體現(xiàn)病人的個(gè)體特點(diǎn)和醫(yī)生的診斷效果。
對(duì)于不同的病人，醫(yī)生通過(guò)設(shè)定不同的模型參數(shù)就可以達(dá)到自己的要求。比如剛才例子里 的病人甲病情穩(wěn)定的轉(zhuǎn)移狀態(tài)對(duì)病人乙來(lái)說(shuō)代表著病情惡化，那么醫(yī)生通過(guò)修改模型參數(shù)就可 以調(diào)整過(guò)來(lái)，上下文感知中間件表現(xiàn)出了很好的靈活性和適應(yīng)性，對(duì)每個(gè)病人的服務(wù)非常地個(gè) 體化，針對(duì)性很強(qiáng)。 .
步驟6:隱馬爾可夫模型體征狀態(tài)識(shí)別子模塊根據(jù)隱馬爾可夫模型工作的原理對(duì)病人甲所 處的體征狀態(tài)作出判定，完成對(duì)體征狀態(tài)的識(shí)別，將體征狀態(tài)識(shí)別的結(jié)果傳送給上層應(yīng)用接口模塊；如果需要進(jìn)行病人甲的體征狀態(tài)變化趨勢(shì)預(yù)測(cè)，那么繼續(xù)步驟7，否則轉(zhuǎn)步驟8。
步驟7:按照上文描述的體征狀態(tài)變化趨勢(shì)預(yù)測(cè)過(guò)程，由體征狀態(tài)識(shí)別和預(yù)測(cè)模塊中的狀 態(tài)統(tǒng)計(jì)子模塊和狀態(tài)預(yù)測(cè)子模塊共同協(xié)作完成病人甲體征狀態(tài)變化趨勢(shì)的預(yù)測(cè)，最后狀態(tài)預(yù)測(cè) 子模塊將當(dāng)前平穩(wěn)的體征狀態(tài)和預(yù)測(cè)的體征狀態(tài)的信息整合成預(yù)測(cè)信息傳遞給上層應(yīng)用接口模 塊，這樣的預(yù)測(cè)信息比如"當(dāng)前大體上病情穩(wěn)定，未來(lái)可能病情好轉(zhuǎn)"，完成了體征狀態(tài)的變化 趨勢(shì)預(yù)測(cè)。
步驟8:上層應(yīng)用接口模塊接收病人甲的體征狀態(tài)識(shí)別的結(jié)果和預(yù)測(cè)信息，傳給上下文感 知中間件上層的心臟病病房護(hù)理應(yīng)用系統(tǒng)。
步驟9:從步驟2到步驟8的過(guò)程中，醫(yī)生在任何時(shí)刻對(duì)體征狀態(tài)識(shí)別和預(yù)測(cè)模塊中的隱 馬爾可夫模型體征狀態(tài)識(shí)別子模塊的參數(shù)值做修改，參數(shù)值都由上層應(yīng)用接口模塊接收，并送 入體征狀態(tài)識(shí)別和預(yù)測(cè)模塊中的參數(shù)設(shè)定子模塊；參數(shù)設(shè)定子模塊接收參數(shù)值，修改相應(yīng)的模 型參數(shù)；此步驟完成后轉(zhuǎn)步驟5，如果醫(yī)生沒(méi)有修改體征狀態(tài)識(shí)別和預(yù)測(cè)模塊中的隱馬爾可夫 模型體征狀態(tài)識(shí)別子模塊的參數(shù)值，此步驟可以忽略。
1權(quán)利要求
1. 一種普適環(huán)境下面向體征狀態(tài)識(shí)別的上下文感知中間件方法，其特征在于該方法具體包括以下步驟步驟1). 如果上下文感知中間件是初次使用，給體征狀態(tài)識(shí)別和預(yù)測(cè)模塊中的隱馬爾可夫模型體征狀態(tài)識(shí)別子模塊參數(shù)設(shè)定初始值，初始值由上層應(yīng)用接口模塊傳入，并送入體征狀態(tài)識(shí)別和預(yù)測(cè)模塊中的參數(shù)設(shè)定子模塊，參數(shù)設(shè)定子模塊接收初始參數(shù)值，設(shè)定相應(yīng)的模型參數(shù)；如果上下文感知中間件不是初次使用，忽略此步驟直接轉(zhuǎn)步驟2；步驟2). 體征參數(shù)信息從傳感器接入模塊傳入上下文感知中間件，傳感器接入模塊協(xié)調(diào)解決中間件信息處理速度和信息傳入速度之間的差異，必要時(shí)進(jìn)行信息差錯(cuò)控制和校正，傳感器接入模塊將體征參數(shù)信息傳給體征信息采集與處理模塊；步驟3). 體征信息采集與處理模塊控制中間件進(jìn)行上下文采集，并接收體征參數(shù)信息，對(duì)體征參數(shù)信息做預(yù)處理，形成預(yù)處理信息并送給體征狀態(tài)識(shí)別和預(yù)測(cè)模塊；步驟4). 體征狀態(tài)識(shí)別和預(yù)測(cè)模塊接收預(yù)處理信息，其中由隱馬爾可夫模型體征狀態(tài)識(shí)別子模塊對(duì)預(yù)處理信息進(jìn)一步處理，轉(zhuǎn)換成為自身隱馬爾可夫模型結(jié)構(gòu)包含的轉(zhuǎn)移狀態(tài)中的某一種，通過(guò)和狀態(tài)集中的元素比對(duì)，實(shí)現(xiàn)狀態(tài)的轉(zhuǎn)移；如果上下文感知中間件是初次使用，或者體征狀態(tài)識(shí)別和預(yù)測(cè)模塊中的隱馬爾可夫模型體征狀態(tài)識(shí)別子模塊的參數(shù)被修改，那么繼續(xù)步驟5，否則轉(zhuǎn)步驟6；步驟5). 隱馬爾可夫模型體征狀態(tài)識(shí)別子模塊按照上文描述的體征狀態(tài)識(shí)別過(guò)程，先使用前向算法和后向算法，接著使用Baum-Welch算法，再使用Viterbi算法，實(shí)現(xiàn)對(duì)子模塊自身的隱馬爾可夫模型參數(shù)的調(diào)整；調(diào)整反復(fù)進(jìn)行，一直到子模塊達(dá)到穩(wěn)定狀態(tài)；步驟6). 隱馬爾可夫模型體征狀態(tài)識(shí)別子模塊根據(jù)隱馬爾可夫模型工作的原理對(duì)個(gè)體所處的體征狀態(tài)作出判定，完成對(duì)體征狀態(tài)的識(shí)別，將體征狀態(tài)識(shí)別的結(jié)果傳送給上層應(yīng)用接口模塊；如果上下文感知中間件需要具有對(duì)體征狀態(tài)變化趨勢(shì)作出預(yù)測(cè)的功能，轉(zhuǎn)步驟7，否則轉(zhuǎn)步驟8；步驟7). 按照上述描述的體征狀態(tài)變化趨勢(shì)預(yù)測(cè)過(guò)程，由體征狀態(tài)識(shí)別和預(yù)測(cè)模塊中的狀態(tài)統(tǒng)計(jì)子模塊和狀態(tài)預(yù)測(cè)子模塊共同協(xié)作完成體征狀態(tài)變化趨勢(shì)的預(yù)測(cè)，最后狀態(tài)預(yù)測(cè)子模塊將當(dāng)前平穩(wěn)的體征狀態(tài)和預(yù)測(cè)的體征狀態(tài)的信息整合成預(yù)測(cè)信息傳遞給上層應(yīng)用接口模塊，這就完成了體征狀態(tài)的變化趨勢(shì)預(yù)測(cè)，步驟8). 上層應(yīng)用接口模塊接收體征狀態(tài)識(shí)別的結(jié)果和預(yù)測(cè)信息，傳給上層應(yīng)用，步驟9). 從步驟2到步驟8的過(guò)程中，任何時(shí)刻對(duì)體征狀態(tài)識(shí)別和預(yù)測(cè)模塊中的隱馬爾可夫模型體征狀態(tài)識(shí)別子模塊的參數(shù)值做修改，參數(shù)值都由上層應(yīng)用接口模塊接收，并送入體征狀態(tài)識(shí)別和預(yù)測(cè)模塊中的參數(shù)設(shè)定子模塊；參數(shù)設(shè)定子模塊接收參數(shù)值，修改相應(yīng)的模型參數(shù)；此步驟完成后轉(zhuǎn)步驟5，如果不需要修改體征狀態(tài)識(shí)別和預(yù)測(cè)模塊中的隱馬爾可夫模型體征狀態(tài)識(shí)別子模塊的參數(shù)值，此步驟可以忽略。
全文摘要
普適環(huán)境下應(yīng)用于體征狀態(tài)識(shí)別的上下文感知中間件方法中引入隱馬爾可夫模型，其目標(biāo)在于解決此類中間件中存在的服務(wù)不夠個(gè)體化，針對(duì)性不強(qiáng)的問(wèn)題以及靈活性和適應(yīng)性不強(qiáng)的問(wèn)題。一步使用了概率統(tǒng)計(jì)的方法，其目的在于進(jìn)一步解決此類中間件體征狀態(tài)變化趨勢(shì)預(yù)測(cè)能力的問(wèn)題。本發(fā)明解決現(xiàn)有方案提出的面向體征狀態(tài)識(shí)別應(yīng)用的上下文感知中間件存在三個(gè)問(wèn)題，一個(gè)是功能比較死板，缺乏可針對(duì)用戶個(gè)體體征特點(diǎn)設(shè)定不同服務(wù)策略的支持，服務(wù)不支持個(gè)體化，針對(duì)性不強(qiáng)；另一個(gè)是靈活性和適應(yīng)性有欠缺，上層應(yīng)用需求發(fā)生變化后不能及時(shí)提供方便的服務(wù)策略調(diào)整；還有一個(gè)是缺乏對(duì)于體征狀態(tài)變化趨勢(shì)的預(yù)測(cè)能力，這種預(yù)測(cè)能力對(duì)于很多的上層應(yīng)用來(lái)說(shuō)是非常重要的。
文檔編號(hào)G06F9/44GK101510152SQ20091002610
公開(kāi)日2009年8月19日 申請(qǐng)日期2009年4月1日 優(yōu)先權(quán)日2009年4月1日
發(fā)明者劉樹(shù)森, 寧 葉, 孫力娟, 超 沙, 王汝傳, 志 陳, 馬守明, 黃海平 申請(qǐng)人:南京郵電大學(xué)